[发明专利]一种基于量子行为粒子群算法的微电网调度方法

摘要

本发明公开了一种基于量子行为粒子群算法的微电网调度方法，本发明针对并网型风光储微电网功率平衡约束问题目前应用比较多的是在目标函数中加入惩罚项，通过对偏离功率平衡的粒子相应目标函数值中加入惩罚项，从而使函数值增大，这样通过算法寻优将这部分粒子过滤掉，但这样会造成粒子数量的减少，影响算法的搜索性能。本发明通过将蓄电池作为直接优化变量和微网与大电网交换功率作为间接优化变量的方式降低了粒子维度，并且对不满足荷电状态约束的粒子和与大电网交换功率约束的粒子从新初始化和循环迭代，从而保证了粒子的搜索性能，并能相应提高收敛速度。

主权项

一种基于量子行为粒子群算法的微电网调度方法，其特征在于，该方法具体包括以下步骤：A、基于日前调度计划安排各微电源出力，选定储能系统中的蓄电池出力为直接优化变量，而微电网和大电网交换功率为间接优化变量；设定仿真的调度周期和时间维度，载入光伏出力、风机出力和负荷功率预测数据以及微电网和大电网交换功率的实时电价，同时设定算法的粒子个数、迭代次数、运行轮数以及粒子维数；B、初始化蓄电池的荷电状态并计算蓄电池初始剩余电量；对每个粒子的每一维依次进行循环，若蓄电池荷电状态满足所要求的约束范围，则对其在出力范围内进行随机初始化，计算该时刻蓄电池荷电状态，然后对蓄电池荷电状态进行检测，如果蓄电池荷电状态不在所要求的约束范围内，则对其进行边界化条件处理；接着计算微电网和大电网的交换功率，并检测其是否超出传输线最大传输功率限制，如超出线路最大传输功率限制，则把传输功率置为最大允许传输功率，同时由功率平衡再次计算蓄电池出力，由蓄电池出力再计算其荷电状态，检测蓄电池荷电状态是否满足要求，如满足要求，则跳出该粒子循环，进入下一个粒子的初始化；C、当所有粒子初始化完毕，则对其初始适应度值进行计算，也即目标函数值f(x)，f(x)主要包括以下部分；$f\left(x\right)=\underset{i=1}{\overset{T}{\Σ}}R\left(i\right)P_{grid}\left(i\right)+\frac{1}{P_N{T}_N}{C}_{start}\·K_{c\·}\·\left|\underset{i=1}{\overset{T}{\Σ}}{P}_b\left(i\right)\right|---\left(1\right)$R(i)为微电网和大电网交换功率的实时电价，P_grid(i)为微电网与大电网的交换功率，i为调度的某个时间维度，T为调度周期，P_N为储能蓄电池的额定输出功率，T_N为储能蓄电池年运行小时数，C_start为储能系统的初始总投资成本，P_b(i)为储能蓄电池在某调度时刻的实际输出功率，K_c·为储能系统的资本回收系数，其由下式计算可得：$K_{c\·}=\frac{s{(1+s)}^M}{{(1+s)}^M-1}---\left(2\right)$s为储能蓄电池的折旧率，M为储能蓄电池的使用寿命；D、将每个粒子初始适应度值设定为该粒子个体最优适应度值，将粒子初始位置设定为粒子个体最优位置，比较所有粒子适应度值并找出全局最优粒子，并记录其位置和适应度值；E、对每个粒子进行更新迭代，迭代完毕后对蓄电池每一时刻荷电状态进行计算，同时检测荷电状态是否满足约束条件，如不满足则对其进行边界化处理，并再次修正蓄电池出力；其中X_t表示蓄电池在t时刻的输出功率，RL为蓄电池初始剩余容量，NL为蓄电池额定容量；F、由功率平衡计算微网和大电网交换功率，同时检测其交换功率是否超出约束范围，若超出约束范围则进行边界化处理，并重新计算蓄电池出力和荷电状态，最后判断蓄电池荷电状态是否满足条件，如满足则跳出该粒子循环，进入下一个粒子的循环；G、所有粒子循环完毕后重新计算适应度值，并更新个体最优位置和个体最优适应度值以及全局最优位置和全局最优适应度值，重新返回E进行循环；H、当达到最大迭代次数时，终止迭代，输出最优出力、适应度值以及对应的蓄电池荷电状态。